典型航空分离流动的雷诺应力模型数值模拟

先进飞行器设计对CFD方法的边界层分离模拟能力提出了更高要求,传统雷诺平均纳维-斯托克斯(RANS)涡黏性模型因建模和构造层面的理论缺陷导致其分离流动预测可信度较低。雷诺应力模型由于未对雷诺应力及其分量关系进行建模,对湍流非平衡、旋转以及雷诺应力各向异性等流动现象具有天然的理论优势。为验证与确认雷诺应力模型对典型航空分离流动的预测能力,基于SSG/LRR-g模型,以NACA4412翼型大攻角分离、M6机翼跨声速分离以及F6翼身结合区分离流动为例,探讨了雷诺应力模型对逆压梯度、激波诱导分离、二次流动分离等典型航空分离流动预测的适应性。通过与k-ω剪应力输运(SST)模型模拟结果对比发现,雷诺应力模型对分离泡大小、速度型分布、雷诺应力分布和激波位置等关键特征的模拟精度较涡黏性模型显著提升,基本验证了雷诺应力模型可在翼身接合区角区流动和三维强激波诱导分离等问题中得到正确的流动特征,而SST模型在此类流动中基本失效,显示了雷诺应力模型在典型航空分离流动中较涡黏模型的优势。同时,发现k-ω SST模型所包含的Bradshaw假设在三维激波诱导分离较强时严重影响了模型预测的准确性,是预测结果偏离试...     

基于新型高维代理模型的气动外形设计方法

随着现代飞行器性能需求的不断提高，飞行器精细化气动优化设计要求更高可信度的CFD数值分析及更多的独立设计变量，使得基于代理模型的全局优化算法在超过一定的设计变量后显著降低了效率，难以满足复杂工程的设计需求。而目前的高维代理模型过程复杂、时间花费高，缺乏对工程问题的广泛适应性。针对以上难题，提出了利用监督式非线性降维代理建模方法来缓解代理优化过程中的高维变量设计难题。该方法将核主成分分析（非线性）降维与高斯回归过程模型统一训练，自适应构建新型高维代理模型，并随着优化过程不断学习改进模型，建立了从高维输入到输出的准确映射，有效解决了传统高维代理模型训练时间花费高和适应性差等难题。然后基于该新型代理模型发展了适用于飞行器复杂气动设计的高维全局优化设计方法，并将其应用到美国航空航天学会（AIAA）优化小组发布的2个复杂跨声速优化算例中。通过与传统代理优化方法全面比较，验证了所提的方法能大幅提高飞行器高维变量全局优化效率和全局寻优能力。     

一种单亲DNA算法在翼型设计中的应用

随着遗传工程的不断发展,受其启发建立的各类算法已经应用到各个设计领域.其中,基于达尔文的适者生存、优胜劣汰的生物进化机制,由模拟有性生物的繁殖进化过程演变而来的遗传算法,因其具有全局搜索能力、广泛的适用性等特点在气动设计方面应用的已经比较成熟.但是常规遗传算法在实际应用中也暴露出许多不足,主要就是未能准确反映出生物的双向进化以及变异与交叉化关系的不对等.针对遗传算法的这些问题,本文采用了一种单亲DNA算法,模拟单亲生物自然遗传繁衍机理,将其应用到翼型设计中.与遗传算法相比,全局搜索能力更强,收敛速度更快,优化效果更理想.     

消息队列在智能优化算法中的应用

针对启发式智能优化算法的特点,为提高算法的优化效率,以消息队列机制为基础提出了一种多线程并行计算技术。讨论了多线程并行计算的模型及原理,介绍了多线程之间通过消息队列相互通信的同步控制技术。通过气动优化问题在不同线程数目下并行计算的比较,表明消息队列可以简化线程间的通信过程,显著提高计算效率,具有一定的实用价值。     

翼型研究的历史、现状与未来发展

"翼型"俗称翼剖面或叶剖面,是飞机机翼及尾翼、导弹翼/舵面、直升机旋翼、螺旋桨、风力机叶片等外形设计的基本元素和气动力的"基因",也是影响综合气动性能的核心因素之一.自20世纪初莱特兄弟发明人类第一架飞机以来,翼型研究的每一次重要突破,都有力促进了航空飞行器的更新换代或性能的大幅提升.除了发展RAE、DVL、NACA、TsAGI等通用翼型族外,研究者们还针对性地发展了适用于各类飞机的翼型族,以及适用于直升机旋翼、螺旋桨和风力机叶片的专用翼型族.进入21世纪,随着现代数值模拟方法、流动稳定性与转捩预测、优化设计、试验测试技术等研究的进步,各种新的设计理念、优化方法和设计技术相继被提出,翼型研究也被赋予了新的使命和内容.本文立足飞行器设计和翼型研究的前沿,在回顾100多年来翼型发展历程的基础上,重点综述了翼型研究的最新进展,分析了研究现状,提出了未来发展方向.新一代翼型将适用于未来飞行器的发展需求,在宽速域、大空域、多物理场及智能变体等复杂使用条件下兼具优良的多学科综合性能.     

飞行器外形多目标多学科综合优化设计方法研究

从多目标多学科综合设计的角度出发，探讨了飞行器外形优化设计方法。建立了针对飞行器外形设计的气动与隐身一体化优化设计模型；采用Pareto遗传算法，建立了多目标优化设计方法；并针对具体算例进行气动外形与隐身特性的综合优化设计，将所得优化设计结果，与初始外形相比较，可以看出，优化后气动和隐身性能都有较大提高，实际结果表明本文提出的方法具有可行性和适用性。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

高速自然层流翼型高效气动稳健优化设计方法

先进高速高升力自然层流(NLF)翼型的设计已经成为提高新一代高空长航时(HALE)无人机(UAV)性能的重要手段。然而这类翼型表面极易出现分离泡和激波等，尤其对于马赫数、飞行攻角等状态波动气动特性非常敏感，这导致传统的层流翼型设计方法设计的外形在面向工程应用中出现稳健性差，难以被工程使用。气动稳健设计(RADO)方法虽然是一种有希望的解决途径，但它遭遇了巨大计算花费的难题。为了解决这些问题，通过对影响气动稳健优化设计效率的关键技术进行研究，发展了基于自适应前向-后向选择(AFBS)的稀疏多项式混沌重构方法，极大改善了不确定分析(UQ)和稳健优化效率。同时，也发展了考虑多参数不确定的高效气动稳健优化设计方法，有效解决了传统翼型设计方法难以满足高速高升力自然层流翼型设计要求兼顾高升力设计、自然层流设计以及超临界设计的难题。最后使用发展的方法成功设计了一类具有典型特点的跨空域稳健自然层流翼型。结果表明设计的翼型相对于经典的全球鹰无人机翼型气动性能全面提升，同时低阻范围更大，气动性能更加稳健，从而验证了稳健优化方法的有效性和相对于确定性设计的优势。     

超参数自适应的MOEA/D-DE算法在翼型气动隐身优化中的应用

MOEA/D-DE 算法易于实现，被广泛应用于处理多目标优化问题，但其超参数CR 和F 对算法性能影响较大。基于MOEA/D-DE 算法框架、利用Sobol 全局灵敏性分析方法对差分进化算子中的交叉控制参数CR进行改进，使用莱维飞行策略控制比例因子F，使算法中的超参数拥有自适应能力，得到超参数自适应的MOEA/D-DE 算法——MOEA/D-DEAH 算法；对MOEA/D-DEAH 算法、不同超参数设置的MOEA/D-DE算法和NSGAII 算法进行函数测试和翼型气动隐身优化算例对比。结果表明：MOEA/D-DEAH 算法性能良好，具有较强的鲁棒性，气动隐身优化效果也比其他算法更好。